如何使用Counter生成的列表绘制词频排名与词频数量对应关系图

解决方案 #

1. 提取指定词的排名 #

Counter.most_common()返回的是按词频降序排列的(词, 词频)元组列表，列表的索引值+1就是对应词的排名。
如果需要频繁查询不同词的排名，建议先构造词到排名的映射字典：

from collections import Counter

# 替换为你自己的Counter对象
word_counter = Counter(white_token)
# 拿到按词频排序后的完整列表
sorted_words = word_counter.most_common()
# 构造 词->排名 的映射字典，排名从1开始计数
word_to_rank = {word: idx+1 for idx, (word, count) in enumerate(sorted_words)}

# 直接查询"to"的排名
rank_of_to = word_to_rank.get("to")
print(rank_of_to) # 输出你需要的3

如果只是单次查询某个词的排名，也可以直接遍历匹配：

target_word = "to"
for idx, (word, count) in enumerate(word_counter.most_common()):
    if word == target_word:
        print(f"{target_word}的排名是{idx+1}")
        break

2. 提取rank和count数据绘制关系图 #

直接遍历排序后的列表，分别提取排名和对应的词频即可绘图，词频分布通常符合幂律分布，用双对数坐标展示更直观，以下是matplotlib的实现示例：

import matplotlib.pyplot as plt

# 提取所有排名、对应词频数据
ranks = [idx+1 for idx, (word, count) in enumerate(sorted_words)]
counts = [count for idx, (word, count) in enumerate(sorted_words)]

# 绘图
plt.figure(figsize=(10,6))
plt.loglog(ranks, counts, marker='.', linestyle='')
plt.xlabel('Rank (排名)')
plt.ylabel('Count (词频)')
plt.title('词频-排名分布')
plt.grid(True)
plt.show()

补充：同频词并列排名处理 #

如果存在多个词词频相同的情况，上述方法会按most_common()默认的插入先后顺序给同频词不同排名，如需同频词使用相同排名，可按以下逻辑处理：

word_to_rank = {}
prev_count = None
current_rank = 1
for idx, (word, count) in enumerate(sorted_words):
    if count != prev_count:
        current_rank = idx + 1
        prev_count = count
    word_to_rank[word] = current_rank

内容的提问来源于stack exchange，提问作者bbluo22